Modelos basados en redes neuronales artificiales para la degradación de contaminantes emergentes: desarrollo y validación

Los contaminantes emergentes son sustancias químicas que comúnmente que no se encuentran monitoreadas pero pueden causar efectos adversos ecológicos y para la salud humana, tal es el caso del diclofenaco sódico. Éste puede ser degradado mediante un proceso heterogéneo de Photo-Fenton, utilizando CoF...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Álvarez, Dolores María Eugenia, Modesti, Mario Roberto, Gerbaldo, María Verónica, Mendieta, Silvia Nazaret, Crivello, Mónica Elsie
Formato: Documento de conferencia publisherVersion
Lenguaje:Español
Publicado: 2022
Materias:
Contaminantes Emergentes
Redes Neuronales Artificiales
Ferritas
Modelos Matemáticos
Acceso en línea:http://hdl.handle.net/20.500.12272/6207
Aporte de:
RIA - Repositorio Institucional Abierto (UTN) de Universidad Tecnológica Nacional
id I68-R174-20.500.12272-6207
record_format dspace
institution Universidad Tecnológica Nacional
institution_str I-68
repository_str R-174
collection RIA - Repositorio Institucional Abierto (UTN)
language Español
topic Contaminantes Emergentes
Redes Neuronales Artificiales
Ferritas
Modelos Matemáticos
spellingShingle Contaminantes Emergentes
Redes Neuronales Artificiales
Ferritas
Modelos Matemáticos
Álvarez, Dolores María Eugenia
Modesti, Mario Roberto
Gerbaldo, María Verónica
Mendieta, Silvia Nazaret
Crivello, Mónica Elsie
Modelos basados en redes neuronales artificiales para la degradación de contaminantes emergentes: desarrollo y validación
topic_facet Contaminantes Emergentes
Redes Neuronales Artificiales
Ferritas
Modelos Matemáticos
description Los contaminantes emergentes son sustancias químicas que comúnmente que no se encuentran monitoreadas pero pueden causar efectos adversos ecológicos y para la salud humana, tal es el caso del diclofenaco sódico. Éste puede ser degradado mediante un proceso heterogéneo de Photo-Fenton, utilizando CoFe2O4 como catalizador, H2O2 como oxidante y radiación germicida UV. El objetivo del trabajo es comprobar la capacidad de generalización de modelos matemáticos basados en redes neuronales artificiales que caractericen la relación entre la degradación del diclofenaco y el consumo de H2O2, con los porcentajes de Carbono Orgánico Total logrados en la mineralización del fármaco. La red neuronal bakpropagation que mejor desempeño mostró está constituida con una capa oculta con función de transferencia sigmoidea, conteniendo 10 neuronas y una de salida con lineal. Se determinó que el modelo posee capacidad de aproximar la tendencia en cuanto a la combinación de datos de entrada (Absorbancia y concentración de H2O2) y salida del mismo (% de TOC), cuando se valida con el catalizador reusado por primera y segunda vez. El desarrollo de estos modelos es de interés por la consecuente disminución de tiempos y costos en ensayos experimentales; representa un estudio preliminar de la evolución en el tratamiento de contaminantes emergentes.
format Documento de conferencia
publisherVersion
author Álvarez, Dolores María Eugenia
Modesti, Mario Roberto
Gerbaldo, María Verónica
Mendieta, Silvia Nazaret
Crivello, Mónica Elsie
author_facet Álvarez, Dolores María Eugenia
Modesti, Mario Roberto
Gerbaldo, María Verónica
Mendieta, Silvia Nazaret
Crivello, Mónica Elsie
author_sort Álvarez, Dolores María Eugenia
title Modelos basados en redes neuronales artificiales para la degradación de contaminantes emergentes: desarrollo y validación
title_short Modelos basados en redes neuronales artificiales para la degradación de contaminantes emergentes: desarrollo y validación
title_full Modelos basados en redes neuronales artificiales para la degradación de contaminantes emergentes: desarrollo y validación
title_fullStr Modelos basados en redes neuronales artificiales para la degradación de contaminantes emergentes: desarrollo y validación
title_full_unstemmed Modelos basados en redes neuronales artificiales para la degradación de contaminantes emergentes: desarrollo y validación
title_sort modelos basados en redes neuronales artificiales para la degradación de contaminantes emergentes: desarrollo y validación
publishDate 2022
url http://hdl.handle.net/20.500.12272/6207
work_keys_str_mv AT alvarezdoloresmariaeugenia modelosbasadosenredesneuronalesartificialesparaladegradaciondecontaminantesemergentesdesarrolloyvalidacion
AT modestimarioroberto modelosbasadosenredesneuronalesartificialesparaladegradaciondecontaminantesemergentesdesarrolloyvalidacion
AT gerbaldomariaveronica modelosbasadosenredesneuronalesartificialesparaladegradaciondecontaminantesemergentesdesarrolloyvalidacion
AT mendietasilvianazaret modelosbasadosenredesneuronalesartificialesparaladegradaciondecontaminantesemergentesdesarrolloyvalidacion
AT crivellomonicaelsie modelosbasadosenredesneuronalesartificialesparaladegradaciondecontaminantesemergentesdesarrolloyvalidacion
bdutipo_str Repositorios
_version_ 1764820552937111555

Ejemplares similares